Datenvisualisierung kann sich anfühlen, als würde man mit einem stumpfen Bleistift eine Meisterzeichnung anfertigen. Wenn Sie sich jemals mit einem Durcheinander von Code abgemüht haben, um Ihre Matplotlib-Diagramme weniger chaotisch aussehen zu lassen, sind Sie nicht allein. Matplotlib, die "Großmutter" der Python-Plotting-Bibliotheken, ist leistungsstark und flexibel, aber oft auch etwas eigenwillig für Anfänger.
Erste Schritte mit Matplotlib
Die Installation ist einfach: pip install matplotlib. Der erste Schritt ist der Import der Bibliothek:
import matplotlib.pyplot as plt
Erstellen Sie Beispieldaten:
years = [2010, 2015, 2020]
sales = [100, 250, 400]
Erstellen Sie eine Figur und eine Achse:
fig, ax = plt.subplots()
Plotten Sie die Daten:
ax.plot(years, sales, marker='o', linestyle='--', color='green')
Fügen Sie Beschriftungen und einen Titel hinzu:
ax.set_xlabel('Jahr')
ax.set_ylabel('Umsatz (in Tausend)')
ax.set_title('Unternehmenswachstum: 2010-2020')
Zeigen Sie das Diagramm an:
plt.show()
Die Anatomie eines Matplotlib-Diagramms
Um Matplotlib zu meistern, ist es wichtig, seine Kernkomponenten zu verstehen:
- Figur: Das gesamte Fenster oder die Seite, das "große Ganze".
- Achsen (Axes): Der Bereich, in dem die Daten geplottet werden. Eine Figur kann mehrere Achsen enthalten (z. B. Subplots).
- Achse (Axis): Die x- und y-Lineale, die die Datenlimits definieren.
- Künstler (Artist): Alle sichtbaren Elemente wie Linien, Text oder Markierungen.
Fortgeschrittene Techniken zur Verschönerung Ihrer Plots
Matplotlibs Standardstil kann veraltet wirken. Hier sind einige Möglichkeiten, Ihre Diagramme zu modernisieren:
- Andere Optionen sind ’seaborn‘, ‚fivethirtyeight‘ oder ‚dark_background‘.
- Passen Sie Farben und Schriftarten an:
- Fügen Sie Gitter hinzu (sparsam):
- Beschriften Sie wichtige Punkte:
Fortgeschrittene Techniken
- Subplots: Erstellen Sie mehrere Diagramme nebeneinander oder untereinander.
- Heatmaps und Konturdiagramme: Visualisieren Sie 3D-Daten in 2D.
- Interaktive Plots: Machen Sie Ihre Diagramme klickbar mit
mplcursors.
Häufige Probleme und Lösungen
- Abgeschnittene Beschriftungen: Verwenden Sie
plt.tight_layout()oder passen Sie den Abstand mitfig.subplots_adjust()an. - Leeres Diagramm: Vergessen Sie nicht
plt.show(). In Jupyter Notebooks fügen Sie%matplotlib inlinehinzu. - Pixelige Schriftarten: Speichern Sie in Vektorformaten (PDF, SVG) mit
plt.savefig('plot.pdf', dpi=300).
Matplotlib ist ein mächtiges Werkzeug für die Datenvisualisierung. Mit etwas Übung können Sie klare und professionelle Diagramme erstellen, die Ihre Daten effektiv kommunizieren.
KI Snack
